在使用冷焊接技术(Cold Metal Transfer,CMT)作为铝合金薄板焊接的自动化焊接工艺过程中,由于电压电流过大或者薄板对接有间隙,常出现烧穿等缺陷。为进一步提高铝合金薄板CMT焊接过程中缺陷识别精准度和检测速度,提出一种基于改进YOLOv...在使用冷焊接技术(Cold Metal Transfer,CMT)作为铝合金薄板焊接的自动化焊接工艺过程中,由于电压电流过大或者薄板对接有间隙,常出现烧穿等缺陷。为进一步提高铝合金薄板CMT焊接过程中缺陷识别精准度和检测速度,提出一种基于改进YOLOv5的焊接烧穿缺陷检测模型。通过在主干网络中构建RepLKDeXt模块增大卷积核,更好地捕捉目标的上下文信息,并降低计算复杂度;引入F-EIoU损失函数替换CIoU损失函数实现对经典YOLOV5模型进行改进。搭建焊接试验数据获取平台,进行熔池图像采集。经图像裁剪、灰度化和图像增强等操作后,建立用于焊接缺陷检测模型的训练集和测试集。实验结果表明,与YOLOv3、Fast-RCNN、Faster-RCNN和YOLOv5相比,改进的YOLOv5模型在参数量和计算量减小的同时,提高了CMT铝合金薄板焊接过程中焊接缺陷的检测精度,降低了检测所需时间。展开更多
文摘在使用冷焊接技术(Cold Metal Transfer,CMT)作为铝合金薄板焊接的自动化焊接工艺过程中,由于电压电流过大或者薄板对接有间隙,常出现烧穿等缺陷。为进一步提高铝合金薄板CMT焊接过程中缺陷识别精准度和检测速度,提出一种基于改进YOLOv5的焊接烧穿缺陷检测模型。通过在主干网络中构建RepLKDeXt模块增大卷积核,更好地捕捉目标的上下文信息,并降低计算复杂度;引入F-EIoU损失函数替换CIoU损失函数实现对经典YOLOV5模型进行改进。搭建焊接试验数据获取平台,进行熔池图像采集。经图像裁剪、灰度化和图像增强等操作后,建立用于焊接缺陷检测模型的训练集和测试集。实验结果表明,与YOLOv3、Fast-RCNN、Faster-RCNN和YOLOv5相比,改进的YOLOv5模型在参数量和计算量减小的同时,提高了CMT铝合金薄板焊接过程中焊接缺陷的检测精度,降低了检测所需时间。
